रिक्त इनपुट, साफ़ जवाब: एशियाई क्रिकेट कवरेज में डेटा-विफलता की केस स्टडी

खेल पत्रकारिता में एक पुरानी आदत है — जब तथ्य कम हों, तो भाषा से जगह भर दी जाती है। मैच का स्कोरकार्ड न हो तो माहौल लिख दिया जाता है; खिलाड़ी का नाम तय न हो तो “सूत्रों के हवाले से” लिख दिया जाता है। यह रिपोर्ट उसी आदत के उलट लिखी गई है। यह उस प्रक्रिया का हिसाब है जिसमें एशियाई क्रिकेट की एक खबर को आठ-आयामी विश्लेषण के लिए भेजा गया, और पहले ही चरण में सामने आया कि विश्लेषण करने के लिए कुछ भी मौजूद नहीं है।

जो सामग्री आई, वह खाली थी

पहले चरण के आउटपुट में शीर्षक N/A था, स्रोत N/A, लेख का प्रकार अपरिभाषित, एक-वाक्य सारांश खाली, लेखक का पक्ष N/A, उद्देश्य N/A, सूचना-बिंदुओं की सूची खाली, और संस्थाओं का खाना भरा ही नहीं गया। यानी कोई फ़ॉर्मेट नहीं, कोई टीम नहीं, कोई खिलाड़ी नहीं, कोई स्कोर नहीं, कोई तारीख़ नहीं, कोई मैदान नहीं। जो एकमात्र चीज़ भरी हुई थी, वह थी डोमेन लेबल — cricket_asia।

क्रिकेट विश्लेषण में यह कोई छोटी कमी नहीं है। यह ऐसी कमी है जो पूरे ढाँचे को रोक देती है। वजह सीधी है: क्रिकेट के तीन प्रमुख फ़ॉर्मेट — टेस्ट, वनडे और टी20 — के आँकड़े आपस में तुलनीय ही नहीं हैं। टेस्ट में बल्लेबाज़ की औसत मायने रखती है, टी20 में स्ट्राइक रेट; वनडे में दोनों का एक अलग संतुलन है। गेंदबाज़ी की इकॉनमी का पैमाना भी हर फ़ॉर्मेट में अलग है। अगर फ़ॉर्मेट तय न हो, तो आप यह भी तय नहीं कर सकते कि देखना क्या है — टेस्ट का सत्र-दर-सत्र थकान का मॉडल, टी20 का पावरप्ले-मिडिल-डेथ ढाँचा, या वनडे का अंतिम दस ओवर का दबाव। पहला फ़िल्टर ही न लगे तो बाकी सब बेमानी है।

नाम के बिना विश्लेषण, आँकड़े के बिना नाम

दूसरी अड़चन संस्थाओं की है। फ़्रेमवर्क में कहा गया था कि संबंधित संस्थाएँ “ऊपर दिए गए सूचना-बिंदुओं से पहचानी जाएँ” — और वह सूची खाली थी। नतीजा: न खिलाड़ी का नाम, न भूमिका, न टीम, न टियर। किसी खिलाड़ी की तकनीक या आँकड़ों की बात करने के लिए कम से कम तीन चीज़ें चाहिए — नाम, फ़ॉर्मेट और मैच-संदर्भ। तीनों में से एक भी न हो तो “औसत”, “स्ट्राइक रेट” या “हाल का रुझान” जैसे शब्द केवल खोखले लेबल बन जाते हैं।

यही बात टीमों पर लागू होती है। आईसीसी की टेस्ट, वनडे और टी20ई रैंकिंग अलग-अलग तालिकाएँ हैं, और उन्हें आपस में मिलाना एक बुनियादी गलती है। घरेलू और विदेशी प्रदर्शन का अंतर क्रिकेट की सबसे बड़ी संरचनात्मक सच्चाइयों में से एक है, लेकिन इस सच्चाई को किसी टीम पर लगाने के लिए उस टीम का नाम चाहिए। नाम नहीं है।

cricket_asia सबूत नहीं, केवल पता है

इस पूरे प्रकरण में एक ही संकेत उपयोगी था — डोमेन लेबल cricket_asia। इसका मतलब केवल इतना है कि विषय एशियाई क्रिकेट के दायरे में है: एशियाई क्रिकेट परिषद का ढाँचा, एशिया कप, भारत-पाकिस्तान जैसे द्विपक्षीय संबंध, श्रीलंका, बांग्लादेश, अफ़ग़ानिस्तान, नेपाल, या आईपीएल, पीएसएल, आईएलटी20, एलपीएल और बीपीएल जैसी लीग। यह सूची संभावनाओं की है, तथ्यों की नहीं।

अंतर साफ़ समझना ज़रूरी है। लेबल बताता है कि खबर कहाँ से आ सकती है; वह यह नहीं बताता कि खबर में क्या लिखा है। अगर इस लेबल के आधार पर भारत-पाकिस्तान की राजनीति, आईपीएल की नीलामी या किसी खिलाड़ी के अनुबंध की बात लिखी जाती, तो वह विश्लेषण नहीं, अनुमान होता — और अनुमान को विश्लेषण की तरह पेश करना इस पेशे की सबसे आम गड़बड़ी है। इसलिए इस रिपोर्ट में कोई मैच, कोई सीरीज़, कोई खिलाड़ी और कोई आँकड़ा नहीं है। यह कमी नहीं, यह ईमानदारी की शर्त है।

सबसे बड़ा जोखिम: भरा हुआ टेम्पलेट, खाली विश्लेषण

तकनीकी तौर पर इस प्रकरण का सबसे गंभीर पहलू यह नहीं है कि डेटा नहीं मिला। सबसे गंभीर यह है कि डेटा न मिलने पर भी टेम्पलेट पूरा भरा जा सकता है — आठ आयाम, हर आयाम में उपशीर्षक, तालिकाएँ, “निष्कर्ष” और “जोखिम” वाले खाने। ऊपर से देखने पर यह एक पूरी रिपोर्ट लगती है। अंदर से देखने पर हर कोशिका में “अपर्याप्त सूचना” लिखा है। यही अंतर ख़तरनाक है: संरचना की पूर्णता को विषय की गहराई समझ लिया जाना।

अगर ऐसा आउटपुट आगे किसी ऐसे सिस्टम को चला जाए जो उसे “विश्लेषित क्रिकेट सामग्री” मानकर उपभोग करता है, तो वह उससे ऐसे निष्कर्ष निकाल सकता है जो कभी अस्तित्व में थे ही नहीं। यह जोखिम क्रिकेट का नहीं, प्रक्रिया का है — और इसीलिए इसका स्तर “उच्च” रखा गया है।

खराबी कहाँ हुई: अनुमान और जाँच

एक संकेत साफ़ है। चूँकि रैपर-फ़ील्ड यानी डोमेन लेबल भरा हुआ था और सामग्री-फ़ील्ड खाली, इससे यह ज़्यादा संभावित लगता है कि खराबी स्क्रैपिंग या एक्सट्रैक्शन में हुई — पेपरवॉल, जावास्क्रिप्ट से बना पेज, एन्कोडिंग की गड़बड़ी, या स्क्रैपर के सिलेक्टर बदल जाना। यह भी संभव है कि स्रोत में वाकई सामग्री न हो, पर कम संभावित।

इसलिए ज़रूरी कदम ये हैं: मूल दस्तावेज़ या यूआरएल पर पहला चरण दोबारा चलाएँ; यह जाँचें कि पेज का मुख्य हिस्सा सर्वर से आ रहा है या ब्राउज़र में बन रहा है; एन्कोडिंग और सिलेक्टर की जाँच करें; और सबसे ज़रूरी — उसी बैच में संसाधित दूसरे आइटम देखें। अगर एक ही स्रोत या एक ही स्क्रैपर पथ से कई आइटम रिक्त निकले हैं, तो समस्या अलग-अलग यूआरएल की नहीं, पूरी पाइपलाइन की है।

न्यूनतम-व्यवहार्यता गेट

इस प्रकरण का सबसे उपयोगी सबक़ यह है कि दूसरे चरण से पहले एक साधारण द्वार लगाया जाना चाहिए। न्यूनतम शर्त: कम से कम एक पहचानी गई संस्था — टीम, खिलाड़ी, लीग या आयोजन; कम से कम एक फ़ॉर्मेट टैग — टेस्ट, वनडे या टी20; और कम से कम एक तारीख़ वाला तथ्य। इन तीनों में से कोई एक भी न हो, तो आठ-आयामी विश्लेषण शुरू ही न हो — और विफलता दर्ज होकर पहले चरण में लौटे, चुपचाप आगे न बढ़े।

साथ में दो और सुधार ज़रूरी हैं। पहला: हर आइटम के साथ प्रकाशन की तारीख़ और घटना की तारीख़ अनिवार्य रूप से दर्ज हो, क्योंकि क्रिकेट की सूचना बहुत तेज़ी से पुरानी होती है — फ़ॉर्म, रैंकिंग, टीम-संयोजन और नीलामी मूल्य कुछ ही हफ़्तों में बदल जाते हैं। दूसरा: फ़ॉर्मेट का टैग अनिवार्य हो, क्योंकि उसके बिना आँकड़ों का मिला-जुला इस्तेमाल शुरू हो जाता है — टी20 का स्ट्राइक रेट टेस्ट की औसत के सामने रख दिया जाता है, और पाठक को पता भी नहीं चलता।

निष्कर्ष

एक खेल खबर के रूप में यह रिपोर्ट असामान्य है, क्योंकि इसमें कोई मैच नहीं है। लेकिन रिपोर्टिंग का एक हिस्सा यह भी है कि जब सामग्री न हो तो उसे सामग्री न कहा जाए। एशियाई क्रिकेट जितना बड़ा विषय है, उतनी ही बड़ी ज़िम्मेदारी है कि उसके बारे में लिखी हर बात किसी ठोस तथ्य पर टिकी हो।

इस आइटम का सही दर्जा है: रिक्त परिणाम, इनपुट अनुपयोगी। पहला चरण दोबारा चलाया जाए; स्रोत का पाठ हाथ में आने के बाद ही दूसरा चरण शुरू हो। तब तक इस फ़ाइल को विश्लेषण नहीं, एक गुणवत्ता-नियंत्रण दस्तावेज़ माना जाए — क्योंकि कभी-कभी सबसे उपयोगी खबर यह होती है कि खबर अभी मौजूद नहीं है।